基于MFCC的简单字检测器

Question

我正在用Mel频率倒谱系数实现一个语音识别软件。特别是，系统必须识别单个指定的单词。由于音频文件，我得到一个矩阵中的MFCC 12行(MFCC)和许多列的语音帧的数目。我给出了行的平均值，所以我得到了一个只有12行的向量(第1行是所有帧的所有ith-MFCC的平均值)。我的问题是如何训练一个分类器来检测单词？我有一个培训集，只有积极的样本，MFCC，我从几个音频文件(几个注册相同的词)。

Answer 1

我给出了行的平均值，所以我得到了一个只有12行的向量(第1行是所有帧的所有ith-MFCC的平均值)。

这是一个非常糟糕的主意，因为你失去了关于单词的所有信息，你需要分析整个mfcc序列，而不是它的一部分。

我的问题是如何训练一个分类器来检测单词？

简单的形式是GMM分类器，您可以在这里检查：

http://www.mathworks.com/company/newsletters/articles/developing-an-isolated-word-recognition-system-in-matlab.html

在更复杂的形式中，您需要学习更复杂的模型，比如HMM。你可以从这本书里学到更多关于嗯的知识。

http://www.amazon.com/Fundamentals-Speech-Recognition-Lawrence-Rabiner/dp/0130151572